AI分析组织样本准确预测癌症结果
使用Ceoggraph进行病理图像分类的分析图示。图片来源:物理学家组织网 科技日报记者 张佳欣 美国得克萨斯大学西南医学中心研究人员开发了一种新的组织准确人工智能(AI)模型,可分析组织样本中细胞的样本预测空间排列。12月11日发表在《自然·通讯》上的癌症这一创新方法,准确地预测了癌症患者的结果结果,标志着在利用AI进行癌症预后和个性化治疗策略方面取得了重大进展。分析 细胞的组织准确空间组织就像一个复杂的拼图,每个细胞都是样本预测一块独特的拼图碎片,精心组装在一起,癌症就形成一个有凝聚力的结果组织或器官结构。这项研究展示了AI非凡的分析能力,它能把握组织内细胞之间的组织准确这些错综复杂的空间关系,提取以前人类无法理解的样本预测微妙信息,同时预测患者的癌症预后。 组织样本通常从患者身上收集,结果并放在玻片上供病理学家解读,病理学家对其进行分析以作出诊断。然而,这个过程很耗时,不同的病理学家的解释也不尽相同。此外,专家可能会忽略病理图像中的细微特征,这些特征可能隐藏着关于患者病情的重要线索。 新的AI模型Ceoggraph模仿了病理学家阅读组织切片的方式。首先,它检测图像中的细胞及其位置;接着,它识别细胞类型及其形态和空间分布;最后,AI能创建一个地图,在其中可分析细胞的排列、分布和相互作用。 研究人员成功地将这一工具应用于使用病理切片的3个临床场景。在其中一项研究中,他们使用Ceoggraph来区分肺癌的两种亚型——腺癌和鳞状细胞癌;在另一项研究中,他们预测了口腔癌前病变进展为癌症的可能性。在第3项研究中,他们确定了哪些肺癌患者最有可能对表皮生长因子受体抑制剂产生反应。 在各种情况下,Ceoggraph模型在预测患者结果方面都显著优于传统方法。研究人员称,Ceoggraph确定的细胞空间组织特征是可解释的,并有助于从生物学角度深入了解个体细胞间相互作用的变化如何产生不同的功能后果。这些发现突显了AI在医疗保健中日益重要的作用,为提高病理分析的效率和准确性提供了一种方法,有可能简化高危人群的针对性预防措施,并优化个体患者的治疗选择。
-
上一篇
-
下一篇
- 最近发表
- 随机阅读
-
- 离子发动机解决小型卫星动力难题
- 气象专家解读珠三角降雨出现“列车效应”
- 昆勘院:励精图治70年 踔厉奋发谱新篇
- 北京西城:第八个“中华慈善日”主题宣传系列活动举办
- 铁路等部门守护春运平安顺畅出行路
- 高质量发展调研行丨项目引领 “智”造未来
- 宁夏:在科技“赛马场”真正赛出“千里驹”
- 中国方便食品行业进入创新活跃期
- 加热为何总是比制冷快?“热力学第2.5定律”挑战传统预期
- 《自然》发表免疫学重要研究成果 揭开免疫T细胞“超强”监视能力奥秘
- “南气北上”通道新增年输气量25亿立方米
- 高质量发展调研行丨西安城墙:让文物“活”起来
- 总编辑圈点
- 杭州亚运村预开村啦!各代表团先遣人员将分批入住
- 国家林草局:继续打击穿山甲片等濒危物种制品走私
- 国产科学仪器新品亮相行业盛会
- 新春走基层丨他们的工作很“极端”
- 黑龙江绥棱:网络“煲熟”民生餐
- 《自然》发表免疫学重要研究成果 揭开免疫T细胞“超强”监视能力奥秘
- 封面新闻丨杭州亚运会开赛在即,中国电竞队夺金实力几何?
- 搜索
-